高阶因子分解机（处女作博客）

FM 现有实现的算法自由度一般为2，或者将FM与MLP结合，本文给出了自由度大于等于2的FM算法可轻松转换为code的公式。

公式如下：

参数说明：
“ *”：multiply
n : N-Features.
d = degree

beta的求法：
init
a= np.arange(0，d)
beta_k = np.zeros(d)

for k = 1:d do:
从a中取（k-1）个值得全集 group(list类型)
len = length(group)
temp_sum = 0
for i = 0: (len-1)
temp_sum += prod(group(i)) #先累积再累和
beat_k[k-1] = temp_sum
end

代码参考了 Xiangnan He and Tat-Seng Chua (2017). Neural Factorization Machines for Sparse Predictive Analytics. In Proceedings of SIGIR '17, Shinjuku, Tokyo,
Japan, August 07-11, 2017.

详细Tensorflow 代码见：https://github.com/hunterluok/NFM-3

代码利用一般性公式 对自由度K=3进行了测试，高阶因子分解机在一些数据中能取得更好的效果。